AGENTISK AI
Hvad er agentisk AI?
En klar, ærlig definition af den AI, der forfølger et mål og handler på egen hånd, i stedet for kun at svare.
Begrebet har bredt sig hurtigt og bruges ofte løst, så det er værd at definere præcist. Denne side forklarer, hvad agentisk AI er, hvordan det fungerer, hvordan det adskiller sig fra det, det forveksles med, hvor det bruges, og hvad dets grænser er. Det er en definition, ikke et salgstale.
Agentisk AI, defineret
Agentisk AI henviser til AI-systemer, der handler som autonome agenter: de tager et mål, bryder det op i trin, udfører de trin ved hjælp af værktøjer eller andre systemer, tjekker, om målet bliver nået, og justerer deres tilgang undervejs. Ordet "agentisk" kommer af "agent", altså noget, der handler i verden snarere end blot reagerer.
Den kontrast, der gør dette tydeligst, er med en ren sprogmodel. En sprogmodel genererer et svar på en prompt og standser så. Den har intet mål ud over at svare, foretager ingen handling og fortsætter ikke af sig selv. Agentisk AI pakker en model ind i en større struktur, der giver den et mål, evnen til at handle og kapaciteten til at blive ved, indtil formålet er nået. Modellen leverer intelligensen; det agentiske lag leverer initiativet.
I én sætning: agentisk AI er forskellen mellem et system, der svarer dig, og et system, der udfører jobbet for dig.
Hvordan agentisk AI fungerer
De fleste agentiske systemer kører en version af den samme løkke. At forstå løkken er den hurtigste vej til at forstå kategorien, for det er det, der adskiller agentisk AI fra alt, hvad der kom før.
- Mål
- Systemet får et formål, ikke et manuskript. "Find ud af, hvorfor tilmeldingerne faldt i sidste uge." Det ejer hvordan-delen.
- Planlæg
- Det bryder målet op i trin: tjek analytics, sammenlign med tidligere uger, led efter ændringer, der korrelerer. Planen er valgt, ikke skrevet på forhånd.
- Handl
- Det bruger værktøjer til at udføre hvert trin: forespørger data, læser sider, kalder en API. Det foretager reelle handlinger, ikke bare tekst.
- Observér
- Det læser resultatet af hver handling og vurderer, om det bevægede sig mod målet. Det bemærker, når noget er galt.
- Tilpas
- Hvis et trin fejlede eller afslørede noget nyt, reviderer det planen og fortsætter. Det løber i løkke, indtil målet er nået, eller det har brug for et menneske.
De tre kapabiliteter, der gør løkken mulig, er ræsonnement (at afgøre, hvad der skal gøres), værktøjsbrug (evnen til at foretage handlinger gennem tilsluttede systemer) og hukommelse (at fastholde, hvad der skete, så det kan bygge videre på det). Et system, der mangler nogen af disse, er ikke fuldt agentisk: uden ræsonnement kan det ikke planlægge, uden værktøjer kan det ikke handle, uden hukommelse kan det ikke forbedre sig på tværs af trin eller kørsler.
Hvad agentisk AI ikke er
Fordi begrebet er på mode, bliver det hæftet på systemer, der ikke rigtig kvalificerer sig. Fire skel rydder det meste af forvirringen af vejen.
Ikke en chatbot.
En chatbot reagerer på beskeder og standser. Den kan være flydende og nyttig, men den forfølger ikke et mål eller foretager handlinger i verden på egen hånd. At sætte "agent" på dens navn ændrer ikke, hvad den gør.
Ikke en ren sprogmodel.
En stor sprogmodel er den ræsonnementsmotor, agentisk AI ofte bruger, men alene genererer den kun tekst. Agentisk AI er, hvad du får, når du giver den motor mål, værktøjer og en løkke. Modellen er en komponent, ikke helheden.
Ikke automatisering.
Automatisering kører en fast sekvens, som et menneske har defineret, på samme måde hver gang. Den har ingen dømmekraft og tilpasser sig ikke. Agentisk AI afgør sine egne trin og ændrer dem, når omstændighederne ændrer sig. Hvis en opgave aldrig varierer, er automatisering det bedre og billigere værktøj, hvilket er en pointe, det er værd at være ærlig omkring.
Ikke RPA.
Robotic process automation efterligner faste menneskeklik gennem software. Den er kraftfuld til gentagne, regelbaserede opgaver, og den bryder sammen, når grænsefladen eller situationen ændrer sig, fordi den følger en optaget sti snarere end at ræsonnere om målet. Agentisk AI ræsonnerer; RPA gentager.
Hvorfor agentisk AI betyder noget nu
Grunden til, at agentisk AI diskuteres overalt, er, at det ændrer, hvad software kan tage af dine skuldre. Tidligere AI kunne producere et udkast, et svar, et resumé, men arbejdet med at tråde de outputs sammen til et færdigt resultat forblev hos et menneske. Agentisk AI er den første kategori, der sigter direkte på den sammentrådning, den orkestrering, der før uundgåeligt var menneskelig.
For virksomheder er det skiftet fra AI som en hurtigere skrivemaskine til AI som noget tættere på en medarbejder: ikke bare "skriv det her for mig", men "håndtér det her for mig". Om den nuværende generation fuldt ud indfrier det, afhænger af opgaven og systemet, og det ærlige svar er, at den gør det ujævnt i dag. Men retningen er klar, og det er grunden til, at begrebet så hurtigt er flyttet fra forskningsartikler ind i hverdagens produktsprog.
Enkelt-agent- og multi-agent-systemer
Agentisk AI kommer i to brede former. Et enkelt-agent-system har én agent, der kører løkken på én opgave. Det er enklere og velegnet til et afgrænset job: triagér denne indbakke, research dette spørgsmål, overvåg denne måling.
Et multi-agent-system har flere agenter, der arbejder sammen, hver med en rolle, koordinerende om et fælles mål. Én kan indsamle information, mens en anden analyserer den, og en tredje skriver outputtet. Agenterne kan overdrage til hinanden og, i de mere avancerede designs, udfordre hinandens konklusioner, før de lander på et svar. Multi-agent-systemer er mere kapable på komplekst arbejde, fordi arbejdsdelingen og den interne debat fanger fejl, en enkelt agent ville misse.
Ingen af formerne er universelt bedre. Enkelte agenter er lettere og billigere til snævre opgaver. Multi-agent-systemer tjener deres ekstra omkostning ind, når arbejdet er reelt komplekst eller har gavn af mere end ét perspektiv.
Hvor agentisk AI bruges
Agentisk AI bliver anvendt overalt, hvor den værdifulde del af et job ikke er at producere indhold, men at føre arbejdet igennem til et resultat. Nogle få almindelige områder viser spændvidden.
I software tager kodeagenter en beskrevet funktion, skriver koden, kører den, læser fejlene og retter dem, mens de itererer mod fungerende software. I research indsamler agenter kilder, krydstjekker dem og syntetiserer fund frem for at svare ud fra en enkelt prompt. I drift overvåger agenter systemer og foretager korrigerende handling, når noget driver af. I forretningssupport håndterer agenter en kundeanmodning fra ende til anden, henter kontodata og foretager den nødvendige handling, i stedet for kun at foreslå et svar.
Den fælles tråd er initiativ mod et udfald. Hvor end et menneske i dag skal tråde flere værktøjer og beslutninger sammen for at færdiggøre en opgave, er agentisk AI den kategori, der sigter på det hul.
Agentisk AI's grænser og risici
En ærlig definition inkluderer forbeholdene, for agentisk AI er reelt sværere at få rigtigt end en chatbot. Autonomi skærer begge veje: et system, der kan handle på egen hånd, kan også handle forkert på egen hånd, i en skala og med en hastighed, et menneske ikke ville.
Derfor betyder grænser lige så meget som kapabilitet. Et veldesignet agentisk system har klare grænser for, hvad det må gøre uden menneskelig godkendelse, det fortsætter frit på reversible handlinger med lav indsats og standser for at spørge ved de betydningsfulde. Det har også brug for opsyn: en måde, hvorpå et menneske kan se, hvad det gjorde og hvorfor. Agentisk AI uden en grænse er ikke mere avanceret, det er mindre sikkert.
Den anden ærlige grænse er, at agentisk AI kun er så god som sit mål, sine værktøjer og sin dømmekraft. Et vagt mål producerer omflakkende adfærd. Manglende værktøjer producerer blindgyder. Og nuværende systemer laver stadig fejl i ræsonnementet, hvilket er præcis grunden til, at grænsen og opsynet ikke er valgfri ekstraudstyr, men en del af det, der overhovedet gør kategorien brugbar.
En kort historie om begrebet
"Agentisk" er en nyere etiket for en ældre idé. Forestillingen om en softwareagent, noget der sanser sit miljø og handler på det, har eksisteret i datalogien i årtier. Det, der ændrede sig, er, at store sprogmodeller blev kapable nok til at fungere som ræsonnementskernen i en sådan agent, og pludselig kunne agenter håndtere åbne mål udtrykt i almindeligt sprog snarere end snævre, håndkodede opgaver.
Det spring i kapabilitet er grunden til, at "agentisk AI" blev et distinkt begreb omkring midten af 2020'erne. Det markerer skiftet fra AI, der svarer, til AI, der handler, gjort praktisk af modeller, der er gode nok til at planlægge og til at afgøre, hvilket værktøj der skal bruges. Idéen er ikke ny; evnen til at få den til at virke på reelle, rodede mål er.
At forstå den historie hjælper med at skære igennem hypen. Agentisk AI er ikke en enkelt opfindelse eller et produkt, det er et designmønster: pak en kapabel ræsonnementsmodel ind i mål, værktøjer, hukommelse og en løkke. Ethvert værktøj, der gør dette, er agentisk; ethvert værktøj, der springer løkken over og bare kalder en model, er ikke, uanset hvordan det markedsfører sig selv.
Hvor Crew Studio passer ind
Crew Studio er et anvendt eksempel på agentisk AI, bygget til folk, der driver forretninger, snarere end til ingeniører. Det kører multi-agent-systemer, teams af specialister, der tager et mål, planlægger, bruger tilsluttede værktøjer, debatterer og handler, inden for autonominiveauer, brugeren sætter. Det er én instans af den kategori, der defineres på denne side, sigtet specifikt mod operatører, der vil have arbejdet udført snarere end agenter at bygge.
LÆS VIDERE
Relateret
SPØRGSMÅL
Almindelige spørgsmål om agentisk AI
Hvad er agentisk AI i enkle vendinger?
Agentisk AI er AI, der forfølger et mål ved selv at handle, i stedet for kun at svare på prompts. Du giver den et formål, og den afgør trinnene, bruger værktøjer til at udføre dem, tjekker resultatet og tilpasser sig, indtil målet er nået. Den vigtigste forskel fra en chatbot er, at den handler, snarere end kun reagerer.
Hvad er forskellen på agentisk AI og en stor sprogmodel?
En stor sprogmodel genererer tekst som svar på en prompt og standser. Agentisk AI bruger en sprogmodel som sin ræsonnementsmotor, men tilføjer mål, værktøjer og en løkke, så den kan planlægge, handle og tilpasse sig mod et udfald. Modellen leverer intelligensen; det agentiske lag leverer initiativet og evnen til at handle.
Er agentisk AI det samme som automatisering?
Nej. Automatisering kører en fast sekvens, som et menneske har defineret, på samme måde hver gang, uden dømmekraft. Agentisk AI afgør sine egne trin og tilpasser sig, når omstændighederne ændrer sig. Hvis en opgave aldrig varierer, er automatisering enklere og billigere. Agentisk AI er til arbejde, der kræver beslutninger, ikke bare et gentageligt manuskript.
Hvad er risiciene ved agentisk AI?
Fordi agentisk AI kan handle på egen hånd, kan det også handle forkert på egen hånd, i høj hastighed. De vigtigste sikkerhedsforanstaltninger er grænser, der begrænser, hvad det må gøre uden menneskelig godkendelse, og opsyn, en måde at se, hvad det gjorde og hvorfor. Et veldesignet agentisk system handler frit på arbejde med lav indsats og standser for at spørge et menneske ved betydningsfulde beslutninger.
Kan agentisk AI fungere som et team af agenter?
Ja. Multi-agent-systemer bruger flere agenter med distinkte roller, der koordinerer om et fælles mål, overdrager og, i avancerede designs, udfordrer hinanden, før de lander på et svar. Det plejer at overgå en enkelt agent på komplekst arbejde. Crew Studio er et eksempel, der kører teams af specialistagenter for folk, der driver forretninger.